CC BY
24
моделей данных [7,8,11] и делает этот подход пригодным для слабоструктурированных моделей ( 13,14].
Библиографический список
1. Codd E.F., Codd S.B.. Salley С.T. Providing OLAP to UserAnalist: An 1T Mandate. H.F. - Codd & Associates. - 1993.
2. Щавелев A.В. Способы аналитической обработки данных для поддержки принятия решений / Л.В. Щавелев // СУБД. -1998. - № 4-5. - С. 51 - 60.
3. Армстронг Р. Семь этапов оптимизации производительности хранилища данных / Р. Армстронг // Открытые системы. - 2002. - N° 1.
4. ПедерсенТ.Б., Йенсен К.С. Технология многомерных баз данных / Т.Е. Педерсен, К.С. Йенсен // Открытые системы. -2002. -№ 1.
5. Чаудхури С., Дайал У., Гаити В. Технология бал данных в системах поддержки принятия решений / С. Чаудхури, У Дайал,
B. Гаити // Открытые системы. - 2002. - № 1.
6. Зыкин C.B. Инструментальные средства разработки приложений для работы с базами данных / C.B. Зыкин // V Междунар. научно-технич. конф. «Динамика систем, механизмов и машин»: Материалы. - Омск:ОмГГУ. - 2004. -
C. 376 - 380.
7 Калиниченко Л. А. Методы и средства интеграции неоднородных баз данных / А. А. Калиниченко. - M.: Наука, 1983. - 423 с.
8. Зыкин C.B. Построение отображения реляционной ба зы данных в списковую модель данных / C.B. Зыкин // Управляющие системы и машины. - 2001. - № 3. - С. 42 63
9. Дейт К. Введение в системы баз данных / К. Дейт. - М.: Диалектика, 1998. - 782 с.
10. Замулин А. В. Типы данных в языках программирования и базах данных / A.B. Зимулин. - i Ьвосибирск. Наука, 1987. -150 с
11. Зыкин C.B. Формирование пользовательского представления реляционной блзы данных с помощью отображений /C.B. Зыкин // программирование. - 1999. - № 3. - С. 70 - 80.
12. Мейер Д. Теорик реакционных баз данных / Д. Мейер. -М.: Мир, 1987 - 608 с.
13. Осипов M А.. М.чульский О.Л., калиниченко A.A. Отображение модели данных XML в ооъектную модель языка СИНТЕЗ / л I.A. Осипов, О.Л Мачульский, Л.А. Калиниченко // Программирование - 2000. - N 4. - С. 23 - 30.
14. Новак л.Г., Кузнецов С.Д. Канонические формы схем XML / Л.Г. Новак, С.Д. Кузнецов// Программирование. - 2003. - N 5. ■ С. 65 - 80
ЗЫКИН Сергей Владимирович, кандидат физико-математических наук, заведующий лабораторией МППИ.
Дата поступления статьи в редакцию: 03.02.ОС г. © Зыкин C.B.
УДК 004.8:004.052.3 В И ПОТАПОВ
Омский государственный технический университет
ИНФОРМАЦИОННЫЕ КРИТЕРИИ ОЦЕНКИ СОСТОЯНИЯ ВОССТАНАВЛИВАЕМОЙ ПОСЛЕ ОТКАЗОВ НЕЙРОКОМПЬЮТЕРНОЙ СИСТЕМЫ
Рассматриваются модели нейрокомпьютерных систем, содержащие восстанавливаемые после отказов нейронов искусственные нейронные сети и устройства автоматического контроля и управления процессом восстановления. Приводятся информационные критерии оценки состояния рассматриваемых нейрокомпьютерных систем.
В работах [1-3] рассматриваются принципы работы и дается аппарат для оценки вероятности безотказной работы и среднего времени «жизни» нейрокомпьютерных систем (НКС) на базе логически стабильных искусственных нейронных сетей (ИНС), адаптивных к отказам и сбоям в процессе выполнения задания. Модели изучаемых нейрокомпьютерных систем включают в состав восстанавливаемую после отказов (адаптивную к отказам) ИНС, устройство контроля состояния нейронной сети и устройство восстановления работоспособного состояния ИНС. При этом полагается, что процесс возникновения внезапных отказов и сбоев в адаптивной ИНС пуассоновский с параметром Х'либо для «стареющих^ нейронных сетей, а интенсивность восстановления Ц после отказов ИНС постоянная.
Для оценки состояния НКС в [1-3] составлялась система дифференциальных уравнений Колмогорова, решая которую при соответствующих начальных условиях и ограничениях, можно получить вероятность безотказной работы P(tj нейрокомпьютерной системы и среднее время ее «жизни» Т, а также другие надежностные характеристики, например коэффициент готовности Кг
В развитие положений работ [1-3] будем рассматривать нейрокомпьютерную систему с восстанавливаемой после отказов нейронной сетью как систему автоматического управления [4], а точнее, — автоматизированную систему контроля и управления, где процессом управления, подлежащим автоматизации, является процесс восстановления | после отказов функциональных свойств искус- j
' Работа выполнена при поддержке гранта Президента Российской Федерации МК-7420.2006.8 и гранта РФФИ - проект 06-07-89013-а
ственной нейронной сети НКС, а система управления включает в свой состав устройство контроля состояния ИНС и устройство адаптации (восстановления) нейронной сети нейрокомпьютерной системы [1,3].
В теории информации [5] для оценки состояния объектов в процессе контроля и управления введена интегральная характеристика неопределенности — энтропия состояния объекта Н(/,т), где £ — текущий момент времени, г — момент окончания работы рассматриваемой системы управления.
Воспользуемся этой интегральной информационной характеристикой для оценки состояния восстанавливаемой после отказов ИНС нейрокомпьютерной системы.
Пусть искусственная нейронная сеть 5л(л) НКС, имеющей в своем составе устройство контроля и восстановления, состоит из п восстанавливаемых после отказов логически стабильных нейронных мини-сетей (6]. Будем полагать, что в нейронной сети 5л(п) наряду с внезапными константными отказами типа (0-»1)и (1 —>0) имеют место постепенные отказы, связанные, например, с изменением во времени весов входов искусственных нейронов и значения порога срабатывания.
Обозначим вероятность отсутствия внезапных отказов в 5д(л)
^,Ы=П Р.....Ы, (1)
начиная с текущего момента времени (до момента т окончания выполнения задания НКС.
Аналогично, вероятность отсутствия постепенных отказов в п, восстанавливаемых логически стабильных нейронных мини-сетях нейрокомпьютерной системы, запишем в виде
^,„М=П Рп,„Ы. (2)
В приведенных выражениях (1), (2) РНО| и РП01 — вероятность появления внезапных и вероятность появления постепенных отказов соответственно, в п нейронных мини-сетях, входящих в состав 5л(л).
Очевидно, что вероятность выполнения задания нейрокомпьютерной системой за время т определяется выражением
(3)
Теперь, используя известный из теории информации прием, получим выражение для энтропии состояния НКС в процессе контроля и управления восстановлением после отказов функциональных свойств нейронной сети 5д(п)
^Ы^Л^+^поМ. (4)
где
— энтропия, обусловленная наличием внезапных отказов в НКС, происходящих с вероятностью
- энтропия, обусловленная наличием постепенных отказов в НКС, происходящих с вероятность Рпо(^т).
Рассматриваемая система в процессе контроля и управления получает некоторое количество информации о состоянии НКС, которое равно
4М )=Я5>)(г,т)-Я0(/,т), (7)
где Н0((,т) — остаточная энтропия состояния НКС после проведения очередного процесса контроля и управления восстановлением функциональных свойств 5д(л) после отказов.
Для оценки эффективности процесса контроля и управления в нейрокомпьютерной системе, используя (4) и (7), можно получить следующий критерий
GJ{t^) = j(t^)/HsM(t,x). (8)
В условиях реального функционирования нейрокомпьютерной системы при ограничении времени выполнения задания удобно использовать критерий эффективности системы контроля и управления в НКС, оценивающий ее быстродействие
GJT(t,x)=j(t,i)/T(t,т), (9)
где T(f,-u)— время, необходимое для проведения контроля возможных неисправностей в SA(n) и восстановления ее работоспособности после отказов
— управление системой.
Выбор соответствующего, (8) или (9), критерия для оценки эффективности системы обнаружения отказов и восстановления работоспособности нейронной сети 5л(п) определяется требованиями к надежности и быстродействию нейрокомпьютерной системы.
Рассмотрим многопараметрическую нейро-компьютерную систему, состоящую из т искусственных нейронных сетей SAl(n) (/ = 1,2,...,л?).
Пусть Х{х1,ху...,хт] — вектор случайных функций времени, характеризующих выходные параметры рассматриваемой НКС. При независимых выходных параметрах энтропия нейрокомпьютерной системы определяется по формуле
H{x„x1,...,xm,t,x) = Yd H(x,,t,-с).
В связи с тем что в составе рассматриваемой нейрокомпьютерной системы имеет место т восстанавливаемых после отказов ИНС 5д/(п), каждую из которых можно рассматривать как дискретную систему управления, то энтропия такой ИКС определяется по формуле
pt Log1pli
i=t
где р — вероятность состояния i-ой ИНС.
Обычно процесс контроля состояния и управления ИКС представляет собой выполненную по соответствующему алгоритму [7] последовательность к контрольных и диагностических процедур (проверяющих и диагностических текстов)
, состоящих, например,
не более чем из I тест-наборов. При этом процесс контроля и управления нейрокомпьютерной системой может вестись либо непрерывно [8], либо дискретно [9] с определенной частотой, выбранной из условия достаточности времени для снижения неопределенности до заданного уровня при определенной интенсивности процесса контроля и управления.
Очевидно, что количество информации, получаемое в процессе контроля и управления ИНС нейрокомпьютерной системы, равно изменению количества энтропии:
где
НЕ: (Х, t, т) = РКл НЕк (X, t, т) + • • ■ + PF < HF (X,t, т)
— условная энтропия состояния НКС при проведении Е-контрольных и диагностических процедур,
состоящих из I тест-наборов; Н;/(Х,{,т) — энтропия НКС после осуществления процедуры £ ; Р - вероятность исхода процедуры Ец.
Легко видеть, что готовность нейрокомпьютер-ной системы к продолжению выполнения задания после восстановления отказавшей сети мож-
но оценить коэффициентом готовности
w
S H{x„t,x) /=1_
in
I
где Н11(х1Л,т) — максимально возможная энтропия / то параметра НКС до начала процесса контроля и управления.
Библиографический список
1. Потапов В.И. Отказоустойчивые нейрокомпьютерные системы на базе логически стабильных искусственных нейронных сетей / В.И. Потапов, И.В. Потапов // Омский научный вестник. - 2004. - №3(28).- С. 119-123
2. Потапов В.И. Модели для расчета надежности нейро-компьютерной системы, адаптивной к отказам и сбоям искусственных нейронных сетей, с ненадежным устройством контроля и адаптации / В.И. Потапов, И,В. Потапов // Омский научный вестник.-2004. -№3(28). -С.123-127.
3. Потапов И.В. Вероятность безотказной работы и среднее время «жизни» отказоустойчивой нейрокомпьютерной системы с мажоритарной логикой работы и восстапавли ваемыми после отказов нейронными сетями / И. В. Потапов // Нейрокомпьютеры:разработка и применение. - 2005. -№10-11,-С.65-69.
4. Красовский A.A. Основы автоматики и технической кибернетики / A.A. Красовский, Г.С. Поспелов. - М.:Гос-энергоиздат, 1962.-600с.
5. Бриллюэн Л. Наука и теория информации: Пер. с англ. / Л. Бриллюэн. -М.:Физматгиз, 1960.-236с.
6. Потапов В.И. Оптимизация функциональной надежности избыточной, восстанавливаемой после отказов нейронов, «стареющей» искусственной кейрониой сети / В.И Потапов, И.В. Потапов /У Информационные технологии. - 2004. - №12. -С. 19-26.
7. Потапов В.И. Теоретические основы диагностики и оптимизации мадежносги искусственных нейронных сетей / В.И. Потопов. И В. Потапов. - Омск:Изд-во ОмГТУ, 2004.-152с.
Н. Потапов С.И. Вычисление коэффициента готовности нейрокомпьютерной системы с ненадежным устройством непрерывного контроля работы искусственной нейронной сети/ В.И. Потапов, И В. Потапов // Омский научный вестник.-2005.-№3(32). - С.133-135.
9. Потапов В. И. О средней готовности нейрокомпьютерной системы с дублированной структурой искусственных нейронных сетей при периодическом контроле работоспособности / В.И. Потапов, И.В. Потапов // Омский научный вестник.-2005. -№1(30). - С.154-156.
ПОТАПОВ Виктор Ильич, доктор технических наук, профессор, зав. кафедрой информатики и вычислительной техники, заслуженный деятель науки и техники РФ.
Дата поступления статьи в редакцию: 03.02.06 г. © Потапов В.И.
УДК 004.052.3
В.И. ПОТАПОВ
Омский государственный технический университет
ВЫЧИСЛЕНИЕ
ФУНКЦИОНАЛЬНОЙ ГОТОВНОСТИ НЕЙРОКОМПЬЮТЕРНОЙ СИСТЕМЫ ПРИ НАСТРОЙКЕ И ВОССТАНОВЛЕНИИ ПОСЛЕ ОТКАЗОВ*
Вводится понятие функциональной готовности нейрокомпьютерной системы. Излагаются методы приближенного вычисления функциональной готовности нейрокомпьютерной системы.
При подготовке к функционированию нейрокомпьютерной системы производят настройку (обучение) ее нейронной сети (НС) на реализацию заданных функций, определяемых типом решаемой задачи [1,2). Аналогичные действия имеют место в отказоустойчивых нейрокомпьютерных системах с аппаратурной и логической избыточностью при логической перестройке и восстановлении функциональных возможностей нейронной сети после отказов нейронов [3,4] в процессе выполнения задания. При начальной настройке (обучении) НС и
' Работа выполнена при поддержке гранта Президента Российской
логической перестройке ее после отказов производится ряд операций, связанных с изменением весов входов и порогов срабатывания нейронов, в соответствии с выбранным алгоритмом, ориентированным, как правило, на минимизацию времени настройки и восстановления функциональных свойств нейронной сети нейрокомпьютера. Так как время выполнения операций настройки и перестройки логики НС после отказов в общем случае является случайной величиной, то и общее время подготовки нейрокомпьютерной системы к функционированию, т.е. к Федерации МК-7420.2006.8 и гранта РФФИ - проект 06-07-89013-а
